来源：期刊VIP网 时间：
作者：徐光宪;唐桂芳;马飞;
单位：辽宁工程技术大学鄂尔多斯研究院;辽宁工程技术大学电子与信息工程学院;
摘要：针对无人机道路损伤检测任务存在精度低，小尺寸目标易漏检等问题，提出了一种无人机图像道路损伤检测模型。该模型基于YOLOv8,采用数据增强策略应对道路损伤样本分布不均的问题，提升模型训练效果的充分性；在骨干网络集成了全维度动态卷积，加强模型对道路损伤特征的提取；特征融合网络引入一种“聚集-分发”机制，增强融合不同特征图；模型中采用ADown下采样模块降低计算复杂度；最后利用Powerful-IoU损失函数，合理引导边界框的回归，加快模型收敛的同时提升对道路损伤目标的定位精度。经过真实数据集测试，改进模型的平均精度均值相较其他7种经典目标检测模型分别提高11%、14.1%、8%、5.3%、1.6%、3.8%和4.2%,证实了该模型在无人机图像道路损伤检测中的有效性。
关键词：道路损伤检测;;无人机图像;;YOLOv8;;全维度动态卷积;;Powerful-IoU
基金资助：辽宁工程技术大学鄂尔多斯研究院校地科技合作培育项目(YJY-XD-2024-B-010);; 辽宁省科技厅自然科学基金面上项目(2023-MS-314)
